本研究提出CLOC方法，通过区域-文本对比损失和模块，增强CLIP的定位能力，生成高质量区域嵌入，提升多模态语言模型在视觉任务中的表现。

本研究通过简单人口数据结合流动性和收入信息，提升区域嵌入的质量，提高城市任务预测的准确性，如签到、犯罪率和房价预测。特别是在发展中国家，地理接近性与收入结合为区域嵌入预训练提供了有效替代方案。

本研究提出了一种异构图模型解决大规模层级城市环境中的通勤流量预测问题，生成多空间分辨率下的区域嵌入，预测跨层 OD 流量，并在实验证明在均匀城市结构上的优越性。该方法提供了合理的解释，增强了模型的可信度。